戴琼海院士带领的清华大学自动化系成像与智能技术实验室团队和天文系蔡峥副教授团队把AI技术用到了极致，用他们的“星衍”模型搞定了人类天文学的一个大难题，成功绘制出了迄今为止最暗弱的深空星系图。这个消息是2月23日由光明日报记者邓晖在北京报道出来的。 其实，想看到宇宙里那些超级暗的、距离地球非常遥远的天体，光靠增大望远镜的镜片或者给传感器升级已经不行了。现在的观测系统就像被一堵噪声墙挡住了去路，一方面是太阳光和银河系的星光在干扰，另一方面是望远镜自身发热产生的噪音。这种“乌云”让传统方法在面对微弱信号时显得很乏力。 不过这对团队来说可不是事儿，他们多年来一直在攻克观测极限的难题。这次的研究把计算光学原理和人工智能算法结合在了一起，就像给望远镜装上了一双“火眼金睛”，直接对海量数据进行解读。“星衍”这个AI模型最大的特点就是在背景噪声中精准筛选目标信号，不再把它们当干扰，而是一起建模分析。哪怕信号再微弱，“星衍”也能用真实数据直接训练出来，还原得非常精准。 以前用AI处理天文数据的研究不少，但很多只是盯着图片好看与否这种标准来搞。团队这回特意用了一套基于科学需求的评价体系，重点关注能不能真正探测到目标、形态准不准、亮度保不保得住。而且模型还采用了“分时中位，全时平均”的双重策略来优化效果，既保证了找到更多天体（准确率提升了1.6个星等），又降低了虚假信号的产生。 “星等”这个词大家可能听过，数值越大天体就越暗。“星衍”把探测暗弱天体的完备度直接提升了1个星等，相当于把望远镜收集光子的效率提高了快10倍。有了这个技术撑腰，研究团队在詹姆斯·韦伯空间望远镜的观测数据里找到了超过160个候选高红移星系，是过去发现数量的3倍。这些星系都是宇宙大爆炸后2到5亿年的“黎明时期”诞生的，它们的发现让人类能绘制出现在最深处的早期星系分布图。 更厉害的是，“星衍”不光能用来处理空间望远镜的数据（比如詹姆斯·韦伯），还能兼容地面望远镜（比如昴星团）。它覆盖的波段从可见光一直到中红外波段（5微米），成为了一个通用的深空数据增强平台。说白了就是给人类探寻宇宙的“巨眼”植入了AI大脑，未来不管什么设备只要能拿出数据，“星衍”都能帮它把信号给找出来。